Роботизированный сбор мешков на базе ИИ: от вызова к реальности

Случайно расположенные объекты неправильной формы, сделанные из гибких материалов, легко деформирующихся, морщинистых и поэтому трудных для локализации? Это теперь проблема прошлого.

«Мы решили использовать свой опыт, знания и навыки, чтобы еще больше повысить производительность наших ИИ-решений и "научить" их обнаруживать и собирать мешки».

Bin picking — роботизированное обнаружение и сбор случайно расположенных объектов из контейнера на основе CAD-моделей — это распространенный тип приложений, с которым мы сталкиваемся даже в сложных промышленных средах. Наш Bin Picking Studio — это комплексное решение для сбора для интеграторов робототехники, которым не нужно знать ничего о компьютерном зрении для его настройки. Его надежные функции позволили войти практически во все промышленные сектора — автомобилестроение, производство, логистику и другие.

Однако мы постепенно начали получать запросы от клиентов на решение, которое позволило бы им собирать объекты неправильной формы и в случайных позициях внутри контейнера. Мы приступили к работе над алгоритмами, позволяющими собирать такие объекты, и через некоторое время интенсивных усилий наши ИИ-решения увидели свет. Благодаря сложным алгоритмам они позволяли локализовать и собирать объекты разных размеров, различных текстур и произвольных форм, включая деформации. Более того, объекты не нужно укладывать в упорядоченные схемы — они могут быть размещены абсолютно случайно, и робот все равно способен их распознать и собрать. Наши ИИ-решения, основанные на сочетании точного 3D-зрения и передовых алгоритмов ИИ, показали миру огромные возможности для автоматизации материальной обработки, производства, логистики и многого другого.

И именно логистика показала нам, что остался последний пробел для покрытия всех видов объектов и приложений — и это заключалось в том, что товары не всегда перевозятся в жестких коробках, а некоторые из них поставляются в мешках. Они создают большую проблему для автоматизированной сортировки, так как не сохраняют свою форму — они гибкие, морщинистые, легко деформируемые и поэтому очень трудные для локализации. Мы решили использовать свой опыт, знания и навыки, чтобы еще больше повысить производительность наших ИИ-решений и "научить" их обнаруживать и собирать мешки.

Распознавание границ между хаотично размещенными в контейнере мешками часто бывает сложным даже для людей. Задача становится еще более сложной для прозрачных мешков. Сложно — но возможно. Мы разработали сеть, способную распознавать мешки, иногда лучше, чем мы сами. Они могут перекрываться и закрывать друг друга от сбора, но наша система справляется с этим легко и не позволит роботу захватить полностью или частично закрытые мешки.

Другая распространенная трудность возникает из-за природы материала, из которого сделаны мешки — они полны складок и морщин, что часто заставляет их выпадать из захвата сразу после успешного обнаружения и подъема. Мы рекомендуем использовать вакуумный захват с обратной связью для предотвращения таких сбоев.

ИИ-решения Photoneo теперь умнее чем когда-либо. И они готовы помочь вам!